IP-Adapter:文本兼容图像提示适配器,用于文本到图像扩散模型

IP-Adapter这是一种有效且轻量级的适配器,用于实现预训练文本到图像扩散模型的图像提示功能。只有 22M 参数的 IP 适配器可以实现与微调图像提示模型相当甚至更好的性能。IP-Adapter 不仅可以推广到从同一基本模型微调的其他自定义模型,还可以推广到使用现有可控工具的可控生成。此外,图像提示还可以与文本提示配合使用,以完成多模态图像生成。

项目地址:https://github.com/tencent-ailab/IP-Adapter

释放

  • 2023/11/22\] 由于 [Diffusers 团队,Diffusers](https://github.com/huggingface/diffusers/pull/5713) 中提供了 IP-Adapter。

  • 2023/11/05\] 🔥 使用 IP 适配器和 [Kandinsky 2.2 Prior 添加](https://huggingface.co/kandinsky-community/kandinsky-2-2-prior)文本到图像[的演示](https://github.com/tencent-ailab/IP-Adapter/blob/main/ip_adapter_t2i_demo.ipynb)

  • 2023/9/08\] 🔥 更新新版本的 IP-Adapter SDXL_1.0。更多信息可以[在这里](https://github.com/tencent-ailab/IP-Adapter#sdxl_10)找到。

  • 2023/8/30\] 🔥 根据提示添加带有人脸图像的 IP 适配器。演示[在这里。](https://github.com/tencent-ailab/IP-Adapter/blob/main/ip_adapter-plus-face_demo.ipynb)

  • 2023/8/23\] 🔥 添加具有细粒度功能的 IP-Adapter 代码和型号。演示[在这里。](https://github.com/tencent-ailab/IP-Adapter/blob/main/ip_adapter-plus_demo.ipynb)

  • 2023/8/16\] 🔥 我们发布代码和模型。

    install latest diffusers

    pip install diffusers==0.22.1

    install ip-adapter

    pip install git+https://github.com/tencent-ailab/IP-Adapter.git

    download the models

    cd IP-Adapter
    git lfs install
    git clone https://huggingface.co/h94/IP-Adapter
    mv IP-Adapter/models models
    mv IP-Adapter/sdxl_models sdxl_models

    then you can use the notebook

install ip-adapter

pip install git+https://github.com/tencent-ailab/IP-Adapter.git

download the models

cd IP-Adapter

git lfs install

git clone https://huggingface.co/h94/IP-Adapter

mv IP-Adapter/models models

mv IP-Adapter/sdxl_models sdxl_models

下载模型

您可以从这里下载模型。要运行演示,您还应该下载以下模型:

如何使用

最佳实践

  • 如果仅使用图像提示,则可以设置 and(或一些通用文本提示,例如"最佳质量",也可以使用任何否定文本提示)。如果降低 ,可以生成更多样化的图像,但它们可能与图像提示不一致。scale=1.0``text_prompt=""``scale
  • 对于多模式提示,您可以调整 以获得最佳结果。在大多数情况下,设置可以获得良好的效果。对于 SD 1.5 版本,我们建议使用社区模型来生成良好的图像。scale``scale=0.5

用于非方形图像的 IP 适配器

由于图像在 CLIP 的默认图像处理器中居中裁剪,因此 IP 适配器最适合方形图像。对于非正方形图像,它会错过中心之外的信息。

SDXL_1.0

IP-Adapter_XLReimagine XL的比较如下:

[图片上传失败...(image-8cda2a-1701140382732)]

新版本 (2023.9.8) 中的改进

  • 切换到 CLIP-ViT-H:我们使用 OpenCLIP-ViT-H-14 而不是 OpenCLIP-ViT-bigG-14 训练新的 IP 适配器。虽然ViT-bigG比ViT-H大得多,但我们的实验结果没有发现显著的差异,更小的模型可以减少推理阶段的内存使用。
  • 更快、更好的训练秘诀:在我们之前的版本中,直接以 1024x1024 的分辨率进行训练被证明是非常低效的。但是,在新版本中,我们实施了更有效的两阶段培训策略。首先,我们以 512x512 的分辨率进行预训练。然后,我们采用多尺度策略进行微调。(也许这种训练策略也可以用来加速控制网的训练)。

如何训练

对于训练,您应该安装 accelerate 并将自己的数据集制作成 json 文件。

复制代码
accelerate launch --num_processes 8 --multi_gpu --mixed_precision "fp16" \
  tutorial_train.py \
  --pretrained_model_name_or_path="runwayml/stable-diffusion-v1-5/" \
  --image_encoder_path="{image_encoder_path}" \
  --data_json_file="{data.json}" \
  --data_root_path="{image_path}" \
  --mixed_precision="fp16" \
  --resolution=512 \
  --train_batch_size=8 \
  --dataloader_num_workers=4 \
  --learning_rate=1e-04 \
  --weight_decay=0.01 \
  --output_dir="{output_dir}" \
  --save_steps=10000

第三方使用

相关推荐
林深的林1 小时前
Http证书体系及证书加密流程(通信流程)
网络协议·http·https
liulilittle3 小时前
C++ TAP(基于任务的异步编程模式)
服务器·开发语言·网络·c++·分布式·任务·tap
guts°6 小时前
17-VRRP
网络·智能路由器
Jewel Q6 小时前
动态路由协议基础
网络·智能路由器
宇称不守恒4.07 小时前
2025暑期—06神经网络-常见网络2
网络·人工智能·神经网络
Dreams_l7 小时前
网络编程2(应用层协议,传输层协议)
运维·服务器·网络
7ACE8 小时前
Wireshark TS | 发送数据超出接收窗口
网络协议·tcp/ip·wireshark
数据与人工智能律师8 小时前
数字迷雾中的安全锚点:解码匿名化与假名化的法律边界与商业价值
大数据·网络·人工智能·云计算·区块链
先知后行。8 小时前
网络协议HTTP、TCP(草稿)
网络·网络协议
xzkyd outpaper8 小时前
QUIC协议如何在UDP基础上解决网络切换问题
网络·计算机网络·udp·quic